科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的机器学习方法需要大量的含标注数据集来训练模型，并且容易引发过拟合，而生成对抗网络可以无监督地进行训练。此外，互信息约束能够让模型生成指定类别的数据，可用于扩充数据集。提出InfoCatGAN和C-InfoGAN两种模型，前者在CatGAN的基础上增加了互信息约束，使得生成的图片更加逼真；后者使用InfoGAN模型中的辅助网络Q做分类，能够在生成高质量图片的同时，达到较好的分类准确率。二者均能通过隐变量控制生成图片的类别，这对数据增强具有一定意义。另外，在加入少量标签信息之后，模型的准确率能有所提升。
-
单位中国科学院大学; 上海科技大学; 中国科学院上海微系统与信息技术研究所
